GitHub Trending 是程序员、开发者们追踪最新技术趋势、技术社区的晴雨表、发现热门项目的首选平台之一。每期，GitHub Trending都会汇总并展示那些备受关注的、备受喜爱的项目，这其中蕴含了程序员们的独到智慧、创意激情以及对技术的深刻理解。让我们一同探索本期 GitHub Trending 中引人注目的项目。不妨亲自体验这些项目，感受技术的无限可能！
目录
1综合性的GPT提示集：GPTs
项目描述： leaked prompts of GPTs
star 数量: 7,650
fork 数量： 1,348
本周 star 数量: 6,383 stars this week
该项目名为 "GPTs"。这个仓库是一个泄漏提示的集合，包括了多个GPT模型的各种提示，如开发者关系指南、Istio Guru、Take Code Captures等。这些提示涉及到多个领域，包括技术支持、情感交流、创意生成等。通过这个仓库，你可以了解到各种GPT模型的应用场景，从而更好地了解和使用它们。
GitHub地址: GPTs
2.多窗口3D场景展示：Multiple Window 3D Scene using Three.js
项目描述： A quick example of how one can "synchronize" a 3d scene across multiple windows using three.js and localStorage.
star 数量: 11,337
fork 数量： 1,989
本周 star 数量: 8,762 stars this week
该项目名为 "multipleWindow3dScene"。这个项目提供了一个示例，演示了如何使用Three.js和localStorage在多个浏览器窗口中同步创建和管理3D场景。适用于对高级Web图形和窗口管理技术感兴趣的开发人员。项目具有以下特点：
- 使用Three.js创建和渲染3D场景。
- 在多个浏览器窗口之间同步3D场景。
- 使用localStorage进行动态窗口管理和状态同步。
GitHub地址: multipleWindow3dScene
3.ChatGPT 系统提示集：ChatGPT System Prompt
项目简述： store all agent's system prompt
star 数量: 5,053
fork 数量： 965
本周 star 数量: 4,459 stars this week
该项目名为 "chatgpt_system_prompt"。主要功能是收集和存储各种ChatGPT系统提示。系统提示是通过向ChatGPT发送特定命令来获取的，这些命令用于转移ChatGPT的注意力，以防止其意识到违反规则。项目还提供了关于如何保护提示、获取上传文件以及一些实用提示的说明。此外，项目包含各种有趣和有价值的提示，更新不定期进行。
GitHub地址: chatgpt_system_prompt
4.自然语言RAG流水线：RAGs
项目描述： Build ChatGPT over your data, all with natural language
star 数量: 4,518
fork 数量： 541
本周 star 数量: 3,822 stars this week
该项目名为 "RAGs"。RAGs是一个流水线应用，允许您使用自然语言从数据源创建RAG（Retrieval-Augmented Generation）系统。
项目亮点：
- 🤖 自然语言创建： 描述您的任务和RAG系统参数的自然语言创建流水线。
- ⚙️ 可配置参数： 在配置视图中查看/更改生成的参数，如top-k、摘要等。
- 🔍 查询RAG代理： 使用问题查询RAG代理以获取数据。
这个项目灵感来自OpenAI的GPTs。
GitHub地址: github.com/run-llama/r…
5.Stability AI的生成模型：Generative Models
项目简述： Generative Models by Stability AI
star 数量: 15,886
fork 数量： 1,895
本周 star 数量: 3,194 stars this week
该项目是一个包含多个生成模型的仓库，最新推出的SD-Turbo和SDXL-Turbo提供了快速的文本到图像生成。除此之外，Stability AI还发布了Stable Video Diffusion，一款用于图像到视频生成的模型。
7月份，Stability AI发布了SDXL-base-1.0和SDXL-refiner-1.0，这两个开源模型具有CreativeML Open RAIL++-M许可，是对0.9版本的改进。此外，该项目提供了与生成模型相关的技术报告，以及用于检测生成图像中的不可见水印的脚本。
GitHub地址: generative-models
6.全能部署工具：PandoraNext
项目简述： Pandora Cloud + Pandora Server + Shared Chat + BackendAPI Proxy + Chat2API = PandoraNext. New GPTs(Gizmo) UI, All in one!
star 数量: 3,579
fork 数量： 697
本周 star 数量: 1,226 stars this week
该项目名为 "PandoraNext"，是一个全能部署工具，整合了Pandora Cloud、Pandora Server、Shared Chat、BackendAPI Proxy、Chat2API等功能。支持多种登录方式，包括账号/密码、Access Token、Session Token等。可配置共享的tokens，支持内置tokens。适用于全代理模式，用户只需与部署网络通信。也可启动为BackendAPI Proxy模式，直接使用Access Token调用接口。详细手动和Docker部署方式均提供，配置灵活。
GitHub地址: PandoraNext
7. GitHub中文排行榜：GitHub-Chinese-Top-Charts
项目简述： 🇨🇳 GitHub中文排行榜，各语言分设「软件 | 资料」榜单，精准定位中文好项目。各取所需，高效学习。
star 数量: 71,080
fork 数量： 10,180
本周 star 数量: 2,470 stars this week
该项目旨在帮助开发者发现优秀中文项目，提供软件和资料两大榜单，让用户能够更高效地吸收经验成果。不同语言的榜单包括全榜、增速榜、新秀榜，如 JavaScript、Java、Python 等。通过这个项目，用户可以迅速了解当前中文开源社区的热门趋势，快速定位优质项目，提高学习效率。
GitHub地址: GitHub-Chinese-Top-Charts
8.clash可视化界面：clash-nyanpasu
项目简述： Clash Nyanpasu! (∠・ω< )⌒☆
star 数量: 2,650
fork 数量： 352
本周 star 数量: 1,848 stars this week
Clash Nyanpasu是基于 Clash 和 tauri 的图形用户界面（GUI）。支持完整的clash配置，部分支持clash premium配置。具有简单的用户界面、自定义主题颜色以及内置支持 Clash.Meta 核心等特点。
该项目提供了配置管理和增强功能，支持YAML和Javascript。还包括系统代理设置和保护功能。用户可以从 release 下载，支持Windows x64、Linux x86_64和macOS 11+。
GitHub地址: Clash Nyanpasu
9.革命性翻译模型集合：Seamless Communication
项目简述： Foundational Models for State-of-the-Art Speech and Text Translation
star 数量: 6,739
fork 数量： 564
本周 star 数量: 878 stars this week
项目旨在推动语音和文本翻译领域的前沿，提供高质量的翻译服务。SeamlessM4T v2采用创新的UnitY2架构，提高了生成质量和推理延迟。SeamlessExpressive注重捕捉语音的韵律，而SeamlessStreaming则是一款流式翻译模型。项目的各种模型和组件支持多种语言和任务，为翻译研究和应用提供了广泛的选择。
"Seamless Communication"是一系列为现代语音和文本翻译提供支持的基础模型。其中，SeamlessM4T是一款全面的多语言和多模态机器翻译模型，涵盖近100种语言。支持语音到语音、语音到文本、文本到语音、文本到文本和自动语音识别等多项任务。项目还包括SeamlessExpressive，捕捉了一些未被充分探索的韵律方面，以及SeamlessStreaming，一款支持流式翻译的模型。
GitHub地址: Seamless Communication
10. 闪电般快速的Whisper：Insanely Fast Whisper
作者简述： 无
star 数量: 3,462
fork 数量： 296
本周 star 数量: 1,019 stars this week
该项目名为 "insanely-fast-whisper"。这是一个基于🤗 Transformers, Optimum & flash-attn的CLI工具，用于在设备上通过Whisper进行音频转录。能在不到98秒内转录150分钟（2.5小时）的音频，采用 OpenAI's Whisper Large v3。通过Nvidia A100 - 80GB的基准测试，展示了各种优化方式下的转录时间。项目原本是为了展示Transformers的性能，但后来演变成了一个轻量级CLI供用户使用。
GitHub地址: github.com/Vaibhavs10/…
11.原子化Javascript库：Atomicals Javascript Library
作者简述： Atomicals CLI and Javascript Library
star 数量: 572
fork 数量： 283
本周 star 数量: 235 stars this week
该项目名为 "atomicals-js"。Atomicals是一个Javascript库，同时也提供了CLI工具。它的主要目的是为了创建p2tr（pay-to-taproot）花费脚本，并从各种操作的交易中接收找零。项目配备了详细的文档，包括快速启动指南、CLI命令和ElectrumX服务器RPC接口。通过配置环境文件，用户可以轻松设置钱包，创建地址和管理交易。Atomicals旨在支持Bitcoin的发展，项目作者鼓励通过比特币捐赠来支持Atomicals协议的开发。
GitHub地址: github.com/atomicals/a…
12.性能文本搜索工具：ripgrep
作者简述： ripgrep recursively searches directories for a regex pattern while respecting your gitignore
star 数量: 41,675
fork 数量： 1,858
本周 star 数量: 519 stars this week
该项目名为 "ripgrep"。ripgrep是一款面向行的搜索工具，递归搜索当前目录中的正则表达式模式。默认情况下，ripgrep将遵循gitignore规则，并自动跳过隐藏文件/目录和二进制文件。该项目在Windows、macOS和Linux上拥有一流的支持，可通过每个发布版本下载二进制文件。ripgrep类似于其他流行的搜索工具，如The Silver Searcher、ack和grep。
ripgrep的主要优势包括：
- 替代其他搜索工具，具有更多特性且通常更快。
- 默认支持递归搜索和自动过滤，遵循
.gitignore/.ignore/.rgignore规则。 - 支持搜索特定类型的文件，如
rg -tpy foo限制搜索到Python文件。 - 支持多种搜索特性，如显示搜索结果上下文、搜索多个模式、着色匹配等。
GitHub地址: BurntSushi/ripgrep
13.简单UI组件示例：UI Examples
作者简述： Simple UI examples from my social media
star 数量: 1,673
fork 数量： 306
本周 star 数量: 184 stars this week
该项目名为 "ui"。这个仓库包含了一系列简单的UI组件示例，基于Next.js和React.js构建。可以通过克隆仓库并按照说明进行安装，快速浏览和使用HTML/CSS/JS或React示例。这些UI组件的设计灵感来自作者在社交媒体平台上的分享，你可以在作者的TikTok、Instagram、Youtube、Twitter和Linkedin上找到更多示例。
GitHub地址: atherosai/ui
14.微型深度学习框架：tinygrad
作者简述： You like pytorch? You like micrograd? You love tinygrad! ❤️
star 数量: 20,997
fork 数量： 2,712
本周 star 数量: 297 stars this week
该项目名为 "tinygrad"。虽然可能不是最优秀的深度学习框架，但它确实是一个深度学习框架。由tiny corp维护。tinygrad的目标是极度简单，旨在成为最容易添加新加速器的框架，支持推理和训练。如果XLA是CISC，tinygrad就是RISC。
这是仍处于alpha阶段的软件，但他们筹集了一些资金来改进它。未来，他们计划推出芯片。
特点：
- LLaMA和稳定扩散： tinygrad支持LLaMA和Stable Diffusion。
- 懒加载： 试试矩阵乘法，看看懒加载的强大之处。
- 神经网络： 提供了构建神经网络所需的自动求导/张量库。
你可以从源代码安装tinygrad，支持多种加速器，包括CPU、GPU（OpenCL）、C代码（Clang）、LLVM、METAL、CUDA、Triton、PyTorch、HIP和WebGPU。
GitHub地址: tinygrad/tinygrad
15.Roadster开发与诊断软件
作者简述： 2008-2012 Roadster Development and Diagnostic Software files
star 数量: 933
fork 数量： 345
本周 star 数量: 647 stars this week
该项目名为 "roadster"。Roadster是特斯拉2008-2012年Roadster车型的开发与诊断软件文件。该仓库中的材料根据Disclosed Research and Development Documents的条款发布，旨在提供Roadster车型的研究与开发文档。
GitHub地址: teslamotors/roadster
16.DigitalHippo - 现代化数字产品电商市场
作者简述： A Modern Fullstack E-Commerce Marketplace for Digital Products
star 数量: 942
fork 数量： 138
本周 star 数量: 235 stars this week
该项目名为 "digitalhippo"。DigitalHippo是一个现代化的数字产品电商市场，采用Next.js 14 App Router、tRPC、TypeScript、Payload和Tailwind构建。项目包括完整的市场功能，如美观的首页和产品页面、自定义艺术品、完整的管理员仪表板、用户购买和出售自己的产品、本地持久化购物车、Payload身份验证等。项目使用shadcn-ui创建清新现代的用户界面，支持自托管Next.js。
GitHub地址: joschan21/digitalhippo
17.nanoGPT - 极简、高效的中型GPT模型训练库
作者简述： The simplest, fastest repository for training/finetuning medium-sized GPTs.
star 数量: 26,470
fork 数量： 3,718
本周 star 数量: 296 stars this week
该项目名为 "nanoGPT"。nanoGPT是一个极简、高效的中型GPT模型训练库。它是minGPT的重写，强调了简洁和高效。目前仍在积极开发中，但 train.py 文件在单个8XA100 40GB节点上的训练时间约为4天，可复现GPT-2（124M）的结果。代码本身清晰易读，train.py 是一个约300行的训练循环，model.py 是一个约300行的GPT模型定义，可以选择从OpenAI加载GPT-2的权重。
由于代码非常简单，非常容易根据个人需求进行定制，从头开始训练新模型，或对预训练的检查点进行微调。该项目支持快速训练字符级别GPT，例如在莎士比亚作品上的示例，也可以复现GPT-2的结果。对于深度学习专业人士，该项目提供了复现GPT-2结果和微调模型的文档。
GitHub地址: karpathy/nanoGPT
18.文档管理利器：Paperless-ngx
作者简述： A community-supported supercharged version of paperless: scan, index and archive all your physical documents
star 数量: 12,399
fork 数量： 603
本周 star 数量: 504 stars this week
项目名称为 "paperless-ngx"。Paperless-ngx是一个由社区支持的文档管理系统，可将您的纸质文件转换为可搜索的在线档案，助您实现"零纸张"目标。
这是原始 Paperless 和 Paperless-ng 项目的官方继任者，旨在将项目的推进和支持责任分散到一个团队中。
Paperless-ngx的功能包括文档扫描、索引和存档，支持多语言翻译。
GitHub地址: github.com/paperless-n…
19.综合性的开源语言模型：OpenChat
作者简述： OpenChat: Advancing Open-source Language Models with Imperfect Data
star 数量: 3,515
fork 数量： 309
本周 star 数量: 405 stars this week
项目名为 "openchat"。OpenChat的目标是推动以混合质量数据为基础的开源语言模型。该模型以简洁的方法学习，致力于发展高性能、商业可行的开源大型语言模型。最新版本为OpenChat-3.5-7B，超越了ChatGPT在各种基准测试上的表现。
OpenChat是一个创新的开源语言模型库，通过C-RLFT策略进行精细调整，从混合质量的数据中学习，即使在7B模型上也能在消费级GPU上运行（例如RTX 3090）
GitHub地址: github.com/imoneoi/ope…
不管是学习新技术、贡献开源项目还是分享经验，让我们一同努力，不断前行。代码世界因我们而美丽。 本期分享到此结束，如果您满意我的分享可以关注下方公众号，让我们一起期待下期 GitHub Trending 中的更多惊喜和创意！
